基于FTA-BN 法的儲存環(huán)節(jié)涉氨設備氨泄漏概率風險分析

于子航 林家樂 商宗雨 杜曉燕

（1.南京清流環(huán)?？萍加邢薰?；2.安徽工業(yè)大學建筑工程學院）

隨著工業(yè)發(fā)展和社會進步，人們對化工產品的依賴性越來越強。 目前絕大多數化工企業(yè)存在液氯、 液氨及甲烷等有毒有害危險物質事故隱患。 氨作為一種重要的化工原料，被廣泛用于生產化肥、農藥及制冷等領域。 為了便于儲存和運輸， 通常采用常溫高壓或低溫加壓方式將氣態(tài)NH3變?yōu)橐簯B(tài)氨［1，2］，因此一旦氨 發(fā)生 泄漏，體 積迅速膨脹， 會有大面積NH3在空氣中擴散傳播，極易引發(fā)火災、爆炸、人員中毒及環(huán)境污染等嚴重事故。

據不完全統(tǒng)計，比起運輸過程，約90%的氨泄漏事故發(fā)生在儲存、使用等環(huán)節(jié)，企業(yè)類型涉及到化肥廠、化工廠、制冷企業(yè)及鋼鐵冶金等化工類和非化工類企業(yè)［3］。 因此，針對儲存環(huán)節(jié)，找出氨泄漏發(fā)生的原因， 明確泄漏發(fā)生的可能性，對提高涉氨環(huán)節(jié)的安全管理水平和應急處置工作具有重要的現實意義。 為了對儲存環(huán)節(jié)氨泄漏事故進行定量風險分析，筆者提出將故障樹分析（Fault Tree Analysis，FTA） 與 貝 葉 斯 網 絡（Bayesian Networks，BN） 相結合來定量計算氨泄漏發(fā)生的概率。

1 FTA-BN 方法概述

1.1 故障樹分析法

FTA 法是從特定事故或故障開始 （頂上事件），層層分析事故發(fā)生的原因，并用各種邏輯門符號描述系統(tǒng)中各種事故之間的因果關系，直到找出事故的基本原因， 最終形成倒置樹狀圖形。FTA 法能對各種系統(tǒng)的危險性進行辨識和評價，能清晰地描述事故發(fā)生的邏輯因果關系，可定性分析，也可定量分析［4，5］。

1.2 貝葉斯網絡

BN 是表示變量間概率依賴關系的有向無環(huán)圖，其中每個節(jié)點表示隨機變量，每條邊表示變量間的概率依賴關系，同時每個節(jié)點都對應著一個條件概率分布表，指明該變量與父節(jié)點之間概率依賴的數量關系［6，7］。

1.3 故障樹的貝葉斯網絡化

由于貝葉斯網絡與故障樹具有很強的相似性，采用貝葉斯網絡對故障樹進行分析，能夠更加深刻地描述系統(tǒng)的故障因果關系，揭示故障機理，提高評價系統(tǒng)的可靠性［8］。FTA 法中有兩種邏輯關系門：或門和與門。 或門所代表的邏輯關系是只要有一個事件發(fā)生， 其頂上事件就發(fā)生；與門所代表的邏輯關系是只有所有的事件都發(fā)生，其頂上事件才會發(fā)生。

FTA 法或門邏輯關系轉化為貝葉斯網絡如圖1 所示。

圖1 或門的貝葉斯網絡化

對應的條件概率為：

P（A|B=1，C=1，D=0）=1 P（A|B=0，C=1，D=0）=1

P（A|B=1，C=0，D=0）=1 P（A|B=0，C=0，D=0）=0

P（A|B=1，C=0，D=1）=1 P（A|B=0，C=0，D=1）=1

P（A|B=1，C=1，D=1）=1 P（A|B=0，C=1，D=1）=1

FTA 法與門邏輯關系轉化為貝葉斯網絡如圖2 所示。

圖2 與門的貝葉斯網絡化

對應的條件概率為：

P（A|B=1，C=1，D=1）=1 P（A|B=0，C=1，D=1）=0

P（A|B=1，C=1，D=0）=0 P（A|B=0，C=1，D=0）=0

P（A|B=1，C=0，D=0）=0 P（A|B=0，C=0，D=0）=0

P（A|B=1，C=0，D=1）=0 P（A|B=0，C=0，D=1）=0

在FTA 法中事件只有兩種狀態(tài)——發(fā)生與不發(fā)生，概率風險為0 或1。 而BN 指出了事件具有多態(tài)性，通過引入條件概率將事件概率風險定義為0～1 之間的連續(xù)變量，優(yōu)化了FTA 法，更加符合客觀實際。

2 基于FTA-BN 的涉氨設備氨泄漏事故分析

通過對多起液氨泄漏事故資料進行分析，發(fā)現在儲存環(huán)節(jié)，儲罐和管道是氨泄漏最易發(fā)的位置。 當儲罐和管道存在焊接缺陷或發(fā)生壁厚減薄，應力腐蝕開裂不足以承受工作載荷時，將引發(fā)氨泄漏。 當安全附件失效，設備發(fā)生超壓工況，設備不能正常泄壓時也可能導致設備爆裂，氨氣泄漏［9］。 基于此，結合現場調研，根據FTA 法，以液氨泄漏為頂上事件繪制儲存環(huán)節(jié)涉氨設備泄漏事故故障樹（圖3）。

圖3 氨泄漏事故的故障樹

按照映射關系將上述故障樹轉化為貝葉斯 網絡，如圖4 所示。

圖4 氨泄漏事故的貝葉斯網絡

3 氨泄漏概率風險計算

首先，采用特爾斐法，同時結合文獻統(tǒng)計資料計算得到各基本事件的先驗概率分布［10］，具體數據見表1。

表1 基本事件的先驗概率分布

然后，根據與門和或門邏輯關系下的條件概率來計算中間事件的概率風險值，并最終確定頂上事件的概率風險。

中間事件M3 的概率計算如下：

P（M3=1）=∑P（M3|X5，X6，X7）P（X5）P（X6）P（X7）

=P（M3|X5，X6，X7）P（X5=1）P（X6=0）P（X7=0）+P（M3|X5，X6，X7）P（X5=1）P（X6=1）P（X7=0）＋P（M3|X5，X6，X7）P（X5=1）P（X6=1）P（X7=1）＋P（M3|X5，X6，X7）P（X5=1）P（X6=0）P（X7=1）＋P（M3|X5，X6，X7）P（X5=0）P（X6=1）P（X7=0）＋P（M3|X5，X6，X7）P（X5=0）P（X6=0）P（X7=1）＋P（M3|X5，X6，X7）P（X5=0）P（X6=1）P（X7=1）

=0.0017

P（M3）=（0.0017，0.9983）

中間事件M5 的概率計算如下：

P（M5=1）=P（M5|X10，X11）P（X10=1）P（X11=1）＋P（M5|X10，X11）P（X10=1）P（X11=0）＋P（M5|X10，X11）P（X10=0）P（X11=1）

=0.0044

P（M5）=（0.0044，0.9956）

中間事件M4 的概率計算如下：

P（M4=1）=P（M4|M5，X12）P（M5=1）P（X12=1）＋P（M4|M5，X12）P（M5=1）P（X12=0）＋P（M4|M5，X12）P（M5=0）P（X12=1）

=0.007 0

P（M4）=（0.007 0，0.993 0）

中間事件M2 的概率計算如下：

P（M2=1）=P（M2|M3，M4，X8，X9）P（M3=1）P（M4=1）P（X8=1）P（X9=1）+P（M2|M3，M4，X8，X9）P（M3=1）P（M4=1）P（X8=1）P（X9=0）+P（M2|M3，M4，X8，X9）P（M3=1）P（M4=1）P（X8=0）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=1）P（M4=0）P（X8=0）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=1）P（M4=0）P（X8=1）P（X9=1）＋P（M2|M3，M4，X8，X9）P（M3=1）P（M4=0）P（X8=1）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=1）P（M4=0）P（X8=0）P（X9=1）＋P（M2|M3，M4，X8，X9）P（M3=1）P（M4=1）P（X8=0）P（X9=1）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=1）P（X8=0）P（X9=1）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=1）P（X8=1）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=1）P（X8=0）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=0）P（X8=1）P（X9=1）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=0）P（X8=1）P（X9=0）＋P（M2|M3，M4，X8，X9）P（M3=0）P（M4=0）P（X8=0）P（X9=1）+P（M2|M3，M4，X8，X9）P（M3=0）P（M4=1）P（X8=1）P（X9=1）+

=0.0302

P（M2）=（0.0302，0.9698）

中間事件M1 的概率計算如下：

P（M1=1）=P（M1|X1，X2，X3，X4）P（X1=1）P（X2=1）P（X3=1）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=1）P（X3=1）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=1）P（X3=0）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=0）P（X3=1）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=1）P（X3=1）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=1）P（X3=0）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=0）P（X3=1）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=0）P（X3=0）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=1）P（X3=1）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=1）P（X3=0）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=0）P（X3=1）P（X4=1）+P（M1|X1，X2，X3，X4）P（X1=1）P（X2=0）P（X3=0）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=1）P（X3=0）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=0）P（X3=1）P（X4=0）+P（M1|X1，X2，X3，X4）P（X1=0）P（X2=0）P（X3=0）P（X4=1）

=0.0350

P（M1）=（0.035 0，0.965 0）

頂上事件T 的概率計算如下：

P（T=1）=P（T|M1，M2）P（M1=1）P（M2=1）＋P（T|M1，M2）P（M1=1）P（M2=0）＋P（T|M1，M2）P（M1=0）P（M2=1）

=0.0641

P（T）=（0.0641，0.9359）

由上述計算結果可知，管道氨泄漏發(fā)生概率略大于儲罐氨泄漏概率。 在整個儲存環(huán)節(jié)，由于設備原因導致氨泄漏事故的發(fā)生概率約為0.064 1。

4 結束語

在故障樹分析層層找出事故原因的基礎上，引入貝葉斯網絡條件概率計算事故發(fā)生的概率，一定程度上降低了單純靠故障樹分析的主觀性和模糊性。 但是，并沒有明確揭示出各致因間的相互作用關系，因此，下一步工作要結合情景分析，根據貝葉斯網絡，分析不同情景下液氨泄漏事故的數學期望值，從而找出最易導致氨泄漏事故發(fā)生的路徑。